Modelo de regresión y estadística no paramétrica
Enviado por LoreYavico • 10 de Noviembre de 2015 • Tarea • 2.797 Palabras (12 Páginas) • 387 Visitas
Nombre: LORENA YAVICO | Matrícula: 2720807 |
Nombre del curso: Estadística no paramétrica | Nombre del profesor: Gerardo Espinosa Garza |
Módulo 2: Modelo de regresión y estadística no paramétrica | Ejercicio 3: Reporte Tema 8: Modelo de regresión lineal simple Tema 9: Uso de la ecuación de regresión Tema 10: Interpretación de los parámetros del modelo Tema 11: Significado de estadística no paramétrica |
Fecha: 03 de Marzo de 2015 | |
Bibliografía:
|
Reporte
Objetivo:
Comprender el modelo de regresión lineal, los parámetros para su interpretación y las fórmulas necesarias para fundamentar los resultados obtenidos.
Procedimiento:
1. Leí la bibliografía del curso
2. Analicé los requerimientos de la actividad
3. Describí el procedimiento para interpretar los parámetros del modelo de regresión
4. Describí los elementos destacados para llevar a cabo la interpretación del modelo
5. Desarrollé cinco ejemplos para ilustrar el procedimiento de interpretación
6. Expliqué las pruebas que se pueden utilizar para llegar a una interpretación correcta de los resultados
7. Señalé las fórmulas necesarias para fundamentar los resultados obtenidos
8. Elaboré un mapa conceptual acerca del procedimiento para inferir datos al realizar la interpretación de pruebas de distribución libre
9. Concluí con una reflexión acerca del tema abordado en este reporte
Resultados:
- Describe el procedimiento para interpretar los parámetros del modelo de regresión.
- Indica los elementos a destacar para realizar la interpretación del modelo de regresión.
- Enuncia cinco ejemplos para ilustrar el procedimiento de interpretación de los parámetros del modelo de regresión.
- Enuncia las pruebas que se pueden utilizar para llegar a una interpretación correcta de los resultados (pruebas de libre distribución).
- Señala las fórmulas necesarias para fundamentar los resultados obtenidos al aplicar estas pruebas de distribución libre.
- Con base en lo anterior, realiza un mapa conceptual sobre el procedimiento para inferir datos al realizar la interpretación de pruebas de distribución libre.
En muchos problemas existe una relación inherente entre dos o más variables, y resulta necesario explorar la naturaleza de esta relación. El análisis de regresión es una técnica estadística para el modelado y la investigación de la relación entre dos o más variables.
Si dos variables están asociadas o relacionadas linealmente, un modelo de regresión nos aporta la ecuación específica mediante la cual se establece este vínculo. Los modelos de regresión permiten evaluar la relación entre una variable (dependiente o de respuesta) respecto a otras variables en conjunto (variable independiente o regresora). Este modelo nos podrá servir para predecir o estimar la variable Y, dando respuesta a partir de un valor fijo de X.
Existen varias opciones para estimar un modelo de regresión, de entre los que destacan por su facilidad de aplicación e interpretación, el modelo de regresión lineal y el modelo de regresión logística. Teniendo en cuenta el tipo de variable que deseemos estimar aplicaremos un modelo de regresión u otro. Cuando la variable dependiente es una variable continua, el modelo de regresión más frecuentemente utilizado es la regresión lineal, mientras que cuando la variable de interés es dicotómica (es decir, toma dos valores) se utiliza la regresión logística.
...